文献类型：期刊文章

作　　者：李艳翠[1,2] 冯文贺[3] 周国栋[1] 朱坤华[2]

机构地区：[1]苏州大学计算机科学与技术学院,苏州215006 [2]河南科技学院信息工程学院,新乡453003 [3]河南科技学院人文学院,新乡453003

出　　处：《北京大学学报（自然科学版）》

基　　金：国家863计划(2012AA011102);国家自然科学基金(90920004)资助

年　　份：2013

卷　　号：49

期　　号：1

起止页码：7-14

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、CSCD、CSCD2013_2014、EI、IC、INSPEC、JST、MR、PROQUEST、RCCSE、RSC、SCOPUS、WOS、ZGKJHX、ZMATH、ZR、核心刊

摘　　要：根据篇章分析的任务和实践,结合传统研究,提出汉语的基本篇章单位为子句,并从结构、功能、形式等方面给出其定义。分析了逗号与子句的关系,并在标注语料上进行了基于逗号的汉语子句识别研究。首先手工标注了CTB6.0中前100篇文档的逗号是否为子句边界的信息,在标注结果中抽取句法、词汇、长度等特征进行实验,子句识别准确率为90%。然后利用信息增益选出贡献最大的9个特征,使用它们也可获得较高的子句识别准确率。最后仅使用词法信息,子句识别准确率可达84.5%。实验证明子句的定义合理,基于逗号的子句识别在理论上和实验上均可行。

关 键 词：逗号 汉语子句  子句识别  

分 类 号：TP391.1]